A spatially explicit dynamic biomass baseline for forest-management carbon projects in China

Technische Samenvatting: Een Ruimtelijk Expliciete Dynamische Biomassa-baseline voor Bosbeheer-koolstofprojecten in China

Probleemstelling
Boskoolstofprojecten, in het bijzonder initiatieven voor Verbeterd Bosbeheer (Improved Forest Management, IFM), vertrouwen op contrafeitelijke baselines om "additionaliteit" te bepalen—de koolstofwinsten die worden behaald boven wat er zonder het project zou zijn gebeurd. Huidige baseline-methodologieën lijden vaak aan significante biases. Statische referentieniveaus en grove regionale gemiddelden houden geen rekening met de dynamische aard van bosbiomassa, die wordt beïnvloed door de leeftijd van het bestand, historische beheerrotaties en natuurlijke of antropogene verstoringen. Deze simplificaties kunnen leiden tot twee kritieke fouten: baselines die te laag worden ingesteld overschatten de mitigatiewinsten (over-crediting), terwijl baselines die te hoog worden ingesteld de werkelijke projectprestaties maskeren. Bestaande post-hoc evaluatiemethoden (bijv. matching of synthetische controles) zijn waardevol voor beoordeling, maar kunnen geen gestandaardiseerde, ruimtelijk expliciete ex-ante baselines bieden die vereist zijn tijdens de registratiefase van een project. Er is behoefte aan een raamwerk dat leeftijdsafhankelijke groei, ruimtelijke biomassa-potentieel, historische continuïteit van beheer en geobserveerde verliesrisico's integreert in één enkel, controleerbaar projectiesysteem.

Methodologie
De auteurs hebben een dynamisch, ruimtelijk expliciet contrafeitelijk baseline-raamwerk ontwikkend voor China, gebruikmakend van een gekoppelde groeicurve-benadering. De methodologie verloopt via de volgende stappen:

1. Datastratificatie en Groeicurve-fitting:

   • Een nationale dataset van 24.237 bosperceelgegevens werd gestratificeerd in 155 ecologische strata op basis van vegetatiezone, boomsoort en oorsprong (natuurlijk versus aangeplant).
   • Voor elk stratum werden leeftijd–biomassa accumulatiecurven gefit met behulp van Richards-, Logistische- en Weibull-functies. Een bibliotheek van 67 uiteindelijke groeicurven werd opgesteld.
   • Onzekerheidsanalyse gaf aan dat de asymptotische biomassa-term (de maximale potentiële biomassa) de primaire drijver van onzekerheid in deze gefitte curven was.

2. Schatting van de Ruimtelijke Biomassa-plafond ($B_{eco}$):

   • Om de onzekerheid in de asymptotische term aan te pakken, vervingen de auteurs de statische asymptoot in de groeivergelijkingen door een ruimtelijk expliciete schatting van de bereikbare bijna-natuurlijke biomassa ($B_{eco}$).
   • $B_{eco}$ werd gemodelleerd met behulp van een ensemble van 50 Random Forest-modellen getraind op volwassen bossen met weinig verstoring (geselecteerd uit beschermde gebieden en natuurreservaten).
   • Predictoren omvatten klimaatvariabelen (bijv. maandelijkse temperatuurrange), bodeneigenschappen, topografie, afstand tot beschermde gebieden en boombedekking. Het model behaalde een $R^2$ van 0,39 in ruimtelijke blok-kruisvalidatie.

3. Gekoppeld Groeicurve-raamwerk:

   • Het raamwerk koppelt de stratum-specifieke groeicurve-vorm aan het pixel-niveau $B_{eco}$-plafond.
   • Een sensitiviteitsanalyse vergeleek een standaardmodel ($M_0$, waarbij alleen de asymptoot varieert met $B_{eco}$) met een alternatief model ($M_1$, waarbij groeicijfers ook samenvallen met $B_{eco}$). De studie vond dat $M_1$ een verwaarloosbare verbetering bood (<5% reductie in RMSE) voor de meeste strata, wat het gebruik van het meer parsimonieuze $M_0$ voor nationale toepassing rechtvaardigt.

4. Projectie van Contrafeitelijke Scenario's:

   • Jaarlijkse contrafeitelijke trajecten werden geprojecteerd van 2000 tot 2020 (met 20-jarige horizonten) onder drie scenario's:
     • BAU (Business as Usual): Onbelemmerde voortzetting van groei zonder oogst of biomassa-reset.
     • S1 (Beheersingsbeperkt): Voortzetting van historische beheerrotaties (bijv. 15-jarige korte rotatie, 60-jarige lange rotatie) en biomassa-resets.
     • S2 (Geobserveerd Verlies): S1 plus empirisch geschatte waarschijnlijkheden en ernst van biomassa-verliesgebeurtenissen afgeleid van de China Forest Aboveground Biomass Dynamic (CFATD) tijdreeks. Opmerking: Deze verliezen worden geïdentificeerd door biomassaverandering, niet toegeschreven aan specifieke drijfveren (bijv. brand vs. oogst).

Belangrijkste Resultaten

• Baseline Divergentie: Het onbelemmerde BAU-scenario produceerde consequent hogere baselines dan de beheerbeperkte scenario's (S1 en S2). Het nationale gemiddelde verschil tussen BAU en S1 nam toe van 9,98 Mg ha⁻¹ na 10 jaar naar 14,40 Mg ha⁻¹ na 20 jaar (voor een start in 2000). Voor een start in 2020 bereikte deze kloof 29,30 Mg ha⁻¹ na 10 jaar en 36,99 Mg ha⁻¹ na 20 jaar.
• Drijvers van Bias: De divergentie was het meest uitgesproken in plantages met korte rotaties, oliepalm en agroforestry-systemen. Aangeplante bossen vertoonden aanzienlijk grotere BAU–S1 kloven dan natuurlijke bossen. Ruimtelijk gezien vonden de grootste discrepanties plaats in zuidelijke provincies met een hoge groeipotentie en intensief beheer (bijv. Hainan, Guangdong, Guangxi, Fujien).
• Bijdrage van Ecologische Strata: Een klein aantal strata domineerde het nationale verschil. De top zes ecologische strata (inclus de natuurlijke en aangeplante Masson-den, Chinese fir en typische groenblijvende breedbladige bossen) droegen meer dan 70% bij aan het totale nationale BAU–S1 verschil.
• Impact van Verliesgebeurtenissen: Het opnemen van geobserveerde biomassa-verliesgebeurtenissen (S2) had een minimaal effect op de nationale gemiddelden vergeleken met S1 (verschillen < 0,22 Mg ha⁻¹), hoewel het lokale trajecten en de timing van dalingen veranderde.
• Onzekerheidspropagatie: De onzekerheid in de baseline-projecties werd gedomineerd door het bereikbare biomassa-plafond ($B_{eco}$), dat het overgrote deel van de variantie verklaarde. De onzekerheid gerelateerd aan verlies-parameters (waarschijnlijkheid en retentie) was verwaarloosbaar op nationale schaal (<0,04% bijdrage aan de intervalbreedte), hoewel deze iets hoger was in specifieke gevoelige strata.

Betekenis en Claims
Het artikel beweert een "nationale referentie voor baseline-instelling" te bieden die een nauwkeurige en geloofwaardige kwantificering van klimaatmitigatie-uitkomsten voor IFM-projecten in China mogelijk maakt. De betekenis van het raamwerk ligt in het vermogen om:

1. Ontwikkelaarsdiscretie te beperken: Door gebruik te maken van externe, onafhankelijke data (nationale bosinventarissen en remote sensing) in plaats van projectspecifieke rapportage, vermindert het raamwerk het risico op systematische over-crediting.
2. Controleerbaarheid en Actualiseerbaarheid te waarborgen: De database is gebouwd op consistente regels en kan worden bijgewerkt zodra nieuwe inventarisgegevens of biomassa-producten beschikbaar komen.
3. Historische Continuïteit te Vertegenwoordigen: In tegenstelling tot statische baselines incorporeert dit dynamische raamwerk expliciet historische beheerrotaties en geobserveerde verliesregimes, waardoor de misclassificatie van natuurlijk herstel of voortgaande koolstofaccumulatie als project-additionaliteit wordt voorkomen.
4. Beleidsondersteuning te Bieden: De auteurs stellen dat dit raamwerk kan dienen als een fundamenteel module voor de ontwikkeling van IFM-methodologieën in China, waarmee huidige problemen van gefragmenteerde regels en onvoldoende risicopreventie worden aangepakt.

De auteurs nemen een bescheiden standpunt in door te merken dat, hoewel het raamwerk een robuust contrafeitelijk biomassa-module biedt, het niet alle koolstof-crediting uitdagingen oplost, zoals lekken (leakage), permanentie, geoogst hout en bodenkoolstof. Ze benadrukken dat het raamwerk een instrument is voor de transparante beoordeling van additionaliteit, en geen volledige oplossing voor alle koolstofvoorraad-boekhouding.